Pesquisa do GUARD ensina agentes de IA a testar a própria mudança antes de aplicá-la
Um paper publicado em 17 de novembro de 2026 propõe um mecanismo para agentes autônomos que editam seu próprio comportamento sem apagar habilidades antigas nem inflar a memória, e sem precisar de um avaliador externo.
· 5 min de leitura
Este artigo foi escrito por Lucas Ferraz. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.
O problema: agente que se edita sozinho tende a se sabotar
Um agente autônomo de IA moderno não é só um modelo de linguagem. É um modelo congelado (que não muda de peso) acoplado a um "harness": um conjunto editável de prompts, habilidades, regras de uso de ferramentas e memória. Esse harness é o que o agente pode reescrever sozinho conforme ganha experiência, num processo chamado de autoaperfeiçoamento recursivo (RSI, na sigla em inglês).
O problema, segundo o paper GUARD: Stabilizing Recursive Self-Improvement with Regret Guidance (arXiv:2611.23476, submetido em 17 de novembro de 2026), é que deixar o agente se editar sem um avaliador externo costuma sair pela culatra. Quando o próprio agente reflete sobre o que fez e atribui uma nota (um escore escalar) ao resultado, ele mistura duas coisas diferentes: o que a edição anterior quebrou de novo e o que simplesmente nunca funcionou. Essa confusão gera três sintomas conhecidos de quem já tentou automatizar esse ciclo: regressão local (conserta uma coisa e quebra outra que já funcionava), esquecimento de habilidades (skill forgetting) e memória inchada com regras obsoletas.
Como o GUARD decide o que vale a pena mudar
A proposta dos autores, um time de sete pesquisadores liderado por Minghe Zhang e Xuetao Kang, é trocar a nota escalar por uma checagem mais granular. O nome completo do método é Grader-free Unsupervised Environment Design with Adaptive Rule Distillation, ou GUARD: desenho de ambiente não supervisionado e sem avaliador, com destilação adaptativa de regras.
A ideia central é decompor cada tarefa em verificações que acontecem antes da execução (pre-execution self-checks) e usar o conceito de "arrependimento direcional" (directional regret) para guiar as edições do harness. Em cada rodada, o sistema avalia as trajetórias do agente contra essas checagens, trava (pina) as regras que já dominou e prioriza corrigir apenas o que quebrou de novo. Candidatos a edição são gerados em paralelo e disputam entre si por uma métrica de aptidão relativa ao grupo, sem precisar de um crítico externo adicional (critic-free group-relative fitness).
O portão que só deixa passar mudança boa: o Soft-HURT gate
A parte que trava regressão é o que o paper chama de Soft-HURT gate. Ele só promove uma edição do harness quando o ganho medido supera a perda em outras tarefas, e limita o escopo de correções especializadas para que elas não disparem em situações erradas (over-triggering). O resultado prometido é a garantia de não regressão sobre um "buffer" de tarefas já validadas: nada que já funcionava deveria piorar quando uma edição nova é aceita.
Um ponto que interessa direto a quem roda agente em produção: depois que o ciclo de avaliação e gate termina, o harness fica congelado e roda em passagem única (single pass) no momento de atendimento real. Ou seja, todo o custo de verificação, geração de candidatos e comparação de regret acontece na fase de aperfeiçoamento, não a cada chamada em produção.
Para visualizar a lógica do ciclo (este é um esboço ilustrativo meu para explicar o mecanismo, não um trecho literal do paper, que não publica código no resumo):
para cada rodada de aperfeiçoamento:
trajetorias = rodar_harness_atual(tarefas_de_treino)
resultados = avaliar_contra_checagens(trajetorias)
regras_dominadas = pinar(resultados.sucesso_estavel)
alvos = priorizar(resultados.regret_direcional)
candidatos = gerar_edicoes_paralelas(alvos)
melhor_candidato = selecionar_por_fitness_relativo(candidatos)
if soft_hurt_gate(melhor_candidato, buffer_regressao) == aprovado:
harness = aplicar(melhor_candidato)
# harness final roda congelado, em passagem unica, no atendimento realO que os autores reportam, e o que ainda não foi confirmado por terceiros
Segundo o resumo do paper, o GUARD foi testado em benchmarks de memória, evolução de habilidades, fluxos contínuos de tarefas (continual task streams) e raciocínio de domínio específico. Os autores relatam que o método melhora o desempenho de forma consistente, sem o esquecimento catastrófico nem a poluição de memória observados em abordagens ingênuas de RSI, além de reduzir de forma substancial o consumo de tokens em produção (deployment token usage).
É importante separar o que é fabricante e o que é medição independente aqui: esses números vêm do próprio paper, um trabalho de 38 páginas com 8 figuras e 13 tabelas, sem replicação por terceiros até a publicação deste artigo. A página do arXiv não traz um repositório de código vinculado nem os valores exatos de melhoria por benchmark no resumo público, então qualquer adoção prática exige ir direto ao PDF completo (ou ao HTML experimental) para conferir os números tabela por tabela antes de levar a métrica para uma reunião de decisão.
Onde isso entra (ou não) no seu agente
| Abordagem | Lida com regressão | Memória do agente | Custo em produção |
|---|---|---|---|
| Agente estático (sem RSI) | Não se aplica, harness nunca muda | Fixa, não cresce | Previsível, sem ciclo de aperfeiçoamento |
| RSI ingênuo (autoeditado sem gate) | Ruim: edição nova pode quebrar o que já funcionava | Cresce sem controle (memory bloat) | Alto, acumula regras obsoletas |
| GUARD | Protegida pelo Soft-HURT gate | Controlada, regras dominadas são pinadas | Reduzido no atendimento, harness roda em passagem única |
Para quem constrói agentes de longa duração (um assistente de suporte que acumula casos ao longo de meses, um copiloto de código que aprende convenções de um repositório específico), o GUARD ataca um problema real: o ciclo clássico de "refletir e revisar" (reflection and revise), usado em arquiteturas de agente mais simples, tende a degradar com o tempo exatamente pelos motivos que o paper descreve. Se o seu agente roda uma única sessão e não acumula harness entre execuções, esse mecanismo inteiro não se aplica, porque não há o que estabilizar ao longo do tempo.
A conta de custo também merece atenção nos dois sentidos. O paper fala em corte de tokens no deployment, o que bate com a lógica do harness congelado rodando sem verificação extra a cada chamada. Mas o ciclo de aperfeiçoamento em si, com múltiplas rodadas de checagem pré-execução, geração de candidatos em paralelo e o gate de regressão, tem um custo de treino que o resumo não quantifica. Antes de adotar, vale perguntar aos autores (ou esperar o código, se ele for publicado) qual é essa conta no offline, não só no runtime.
Fonte: arXiv cs.AI

Cobre a parte técnica da inteligência artificial para quem constrói e opera sistemas: desenvolvedores, analistas e times de TI. Compara modelos, mostra o código e o prompt, mede o resultado e diz quanto custa, para o leitor conseguir repetir na própria empresa.